本文主要參考資料 　　最小錯誤率是在統計的意義上說的，請注意其含義。　　在這里要弄清楚條件概率這個概念。P(*|#)是條件概率的通用符號，在“|”后邊出現的#為條件，之前的*為某個事件，即在某條件#下出現某個事件*的概率。P(ωK|X)是表示在X出現條件下，樣本為ωK類的概率。　　一個事物 ...

理論上的東西，就不寫了，也寫不出什么有價值的東西，資料太多了。后文很多關於原理的講述都給出了其他文章的引用。 分享一個比較簡單易懂的貝葉斯決策理論與統計判別方法。 數據集： Dataset1.txt 328 個同學的身高、體重、性別數據（78 個女生、250 個男生 ...

CIFAR-10和CIFAR-100均是帶有標簽的數據集，都出自於規模更大的一個數據集，他有八千萬張小圖片。而本次實驗采用CIFAR-10數據集，該數據集共有60000張彩色圖像，這些圖像是32*32 ...

本文簡單整理了以下內容： （一）貝葉斯決策論：最小錯誤率決策、最小風險決策；經驗風險與結構風險 （二）判別函數；生成式模型；多元高斯密度下的判別函數：線性判別函數LDF、二次判別函數QDF （三）貝葉斯錯誤率 （四）生成式模型的參數估計：貝葉斯學派與頻率學派；極大似然估計、最大 ...

　　數據來自於一個不完全清楚的過程。以投擲硬幣為例，嚴格意義上講，我們無法預測任意一次投硬幣的結果是正面還是反面，只能談論正面或反面出現的概率。在投擲過程中有大量會影響結果的不可觀測的變量，比如投擲的 ...

【此文介紹了貝葉斯公式】 現在舉一個例子說明怎么使用貝葉斯公式來做決策。 例子： 假設有100個人，每個人都有自己的生日。1年有12個月，假設這100個人的生日從1月到12月的人數的分布情況如下： 3 4 5 7 10 13 14 15 ...

參考知乎上的解釋。解答的非常明白易懂。https://www.zhihu.com/question/27670909 大致內容： 1、解答了先驗概率和后驗概率的概念。后驗概率更加的准確，大部分機器學習模型嘗試得到的也是后驗概率 2、貝葉斯公式的推導 3、貝葉斯公式用於后驗概率的求解。轉換 ...

在【前一個例子】中已經舉例說明了如何用貝葉斯公式計算后驗概率，然后依據后驗概率來做決策。 1、什么是行為？ 但是，有時候，后驗概率本身只能說明具有特征x的樣本屬於ωi類的可能性有多少，卻沒能表示如果將樣本分到ωi類時的代價有多大。 在此，引入行為的概念。 分類器的設計初衷很簡單，就是進行 ...